Question

我有一个令我讨厌的问题！

我有一个拥有数千名用户的数据库。数据最初来自一个我无法信任数据的数据库，因此我将其导入另一个“清理”数据库以删除重复的条目。

我执行了查询：

SELECT uid, username 
FROM users
GROUP BY username 
HAVING COUNT(username)>1

这是我目前状态的表格样本：

uid     forename     surname     username
1       Jo           Bloggs      jobloggs
2       Jo           Bloggs      jobloggs
3       Jane         Doe         janedoe
4       Jane         Doe         janedoe

执行上述查询后，我得到以下示例结果：

uid     forename     surname     username
2       Jo           Bloggs      jobloggs

如您所见，有2个重复用户，但查询只显示其中一个。

当我执行查询时，我得到300~结果。显然，如果查询没有提取所有重复项，我不能相信这个结果集是准确的，不能继续进行清理。

关于我可以尝试的任何想法？

由于

菲尔

Answer 1

对于返回的结果集没有很好的解释。

根据示例数据和您的查询，您应该获得第二行：

3   janedoe

（实际上，无论你是否返回3或4的uid值，都是随意的。）

此外，请确保您的客户端仅返回行的子集，例如SQLyog有一个“限制行”功能，它限制了返回的行数。

如果这不是问题，那么最可能的解释是'janedoe'中的一个包含不可打印的字符，或者你有一些邪恶的字符转换正在进行，其中两个不同的编码显示相同的值。< / p>

作为快速的第一步，我建议您检查每个'janedoe'值中的字符数：

SELECT username, LENGTH(username) FROM mytable WHERE uid IN (3,4) ORDER BY uid

此外，您可以尝试显示实际编码，使用HEX（）函数查看是否存在差异。（注意：我不清楚在HEX之前或之后是否发生字符集翻译，我们在此之后是Oracle DUMP（）函数的MySQL等价物，它将显示实际值的逐字节表示。）

你有可能将一些Latin1编码修改成UTF-8，反之亦然，或者其他一些字符奇怪的事情发生了。这可能会给你一些想法...

SELECT username
     , HEX(username)
     , HEX(BINARY username)
     , CONVERT(BINARY username USING latin1) 
     , CONVERT(BINARY username USING utf8)
  FROM mytable 
 WHERE uid IN (3,4)
 ORDER BY uid

SQL重复 - 找不到所有这些

1 个答案: